数据分析的理念、流程、方法、工具(上)
一、数据的价值
1、数据驱动企业运营
从电商平台的「猜你喜欢」到音乐平台的「心动模式」,大数据已经渗透到了我们生活的每一个场景。不论是互联网行业,还是零售业、制造业等,各行各业都在依托互联网大数据(数据采集、数据存储、数据处理、数据挖掘、数据分析、数据呈现)实现企业价值。
企业中数据从产生到应用依次要经过数据源层、数据仓库层、数据建模层,最后到数据应用层,经过层层加工逐渐支持到上游的应用环节。
数据应用层是数据产生价值的出口,通过数据挖掘、用户画像建模、推荐算法的制定,可实现千人千面的个性化内容推荐。「个性化」内涵是内容与用户的高度匹配,以达到提升体验、提升高黏性、促进销售转化的目的。
2、数据驱动产品运营
数据分析对业务发展、产品优化、精细化运营也起到了关键支持。
数据驱动产品、数据驱动运营的关键在于「可以通过数据分析提出产品优化思路,提出运营提升的举措,快速上线验证效果,重新优化,进入新的增长循环」。
数据运营的关键应用场景有:
评估产品改版(新功能)效果
发现产品改进关键点
构建用户画像,以便开展精细化运营
优化用户体验
发现业务运营中存在的问题
运营效果分析、ROI分析
数据总结与向上汇报
…
二、如何用数据驱动运营
1、数据驱动运营的内涵
数据驱动运营是一个很宽泛的概念,但拆分下来,数据驱动运营有三个内涵:
产品运营人员要具备数据意识,通过数据发现问题
产品运营人员可以通过数据管理本职工作,用数据解决问题
让数据说话,提高各部门的沟通效率
2、数据驱动运营的工作流程
1)定义数据分析目标
明确目标,意味着运营人员(或数据分析师)要站在数据结果输出对象的角度去思考。对于管理层来说,往往会关注以下几个结果:
重大决策最终反应在了哪些指标上
这些指标有什么关联
业务全局有什么变化趋势
与过去相比,哪些进步了,哪些退步了
数据暴露出了什么问题,需要做什么调整
产品运营人员则更关注细节。整体来看,运营数据分析的目标主要有三类——即「解决是什么、为什么、做什么」的问题,具体的数据分析目标还要结合实际工作来定义:
是什么:如运营举措的效果如何?产品优化的效果如何?用户使用情况是怎样的?用户的体验反馈如何?
为什么:如转化率为什么提升/降低?用户为什么会产生意料之外的行为?运营举措和产品优化为什么有效/没有效果?
做什么:如运营策略该如何调整?产品该怎么优化?业务战略该怎么调整?
2)数据指标拆解
在确定了分析目标后,就需要进行数据指标拆解。明确要分析哪些具体的数据指标,为了避免遗漏关键细节,可以先对业务(或某一个活动、使用场景)流程做梳理,得出每一个节点的数据指标项,根据分析目标需要,保留关键项,剔除多余项。
3)数据采集
定义数据源:在分析数据之前,要对数据来源、统计口径、统计周期加以定义,以便提交「数据提取」需求。
数据的获取途径:数据来源包括埋点数据、运营平台、业务平台、第三方平台、回访调研等。运营人员要对不同数据源的真实性、准确性做把关。
4)数据可视化
使用图表工具,将数据可视化,更容易发现数据的趋势、极值、联系。不同图表类型适用于不同的分析场景。
散点图:用于描述数据之间的规律
折线图:描述数据随着时间变化的趋势
面积图:折线图的延伸,更注重数据和时间趋势的变化关系
柱形图:类别之间的关系
饼状图:数据之间的占比
漏斗图:转化率分析、占比分析
雷达图:个体数据的属性和可视化,常用于用户画像、CRM
树形图:适合数据量大、类别多的情况,比如各类电商的SKU
桑基图:解释数据复杂变化的趋势,一对多或者多对一
热力图:属性和维度的规律组合,有点像折线图
关系图:不同种类的关系,常用于社交媒体
箱线图:统计学图表,用于研究和观察数据分布,对比数据分布等
标靶图:用于业务销售完成情况等
词云图:文本分析利器
地理图:数据和空间的关系
5)数据分析
解决问题是数据分析的最终落脚点。这一环节的目标是发现数据的特征、规律、数据之间的关联,通过对数据的洞察解决实际问题。
6)输出数据分析结论
数据分析的结果可以根据需要以Word或PPT的形式呈现。
报告应采取总分总的格式:
总述:阐述数据分析的背景、目的、目标、分析思路、目录、关键发现。
分述:对业务按多维度细分分析,用数据图表与相应结论阐述观点。
总结:提出结论与优化建议、行动计划、对业务发展做预测,提出策略与结论、附录。
根据实际工作需要,「报告」不一定是必须的,数据分析的结果是为了下一步的行动计划作支撑。
7)测试验证
根据数据分析结论,按照计划开展优化测试,对测试效果展开分析,以此开启新的数据分析进程,形成数据分析工作的闭环。
三、数据分析的基本指标
1、基础数据指标
基础数据指标参考了增长黑客理论中的AARRR模型,针对用户从新增到流失的多个环节,来定义相应指标。
新增:日/周/月新增。这里有两个维度,增量与增速。新增用户增速是产品增长的基础
传播:病毒系数、传播周期。平均每位老用户会带来几位新用户?大于 1 的时候,产品才可能出现爆发式的指数增长。老用户一般在注册(新增)后多长时间带来新用户?传播周期越短,增长速度越快。
活跃:活跃用户数DAU/MAU。只有活跃用户才能为产品带来价值。
留存:留存率:次日、周、月。使用产品的时间越久(活的长久),对产品的潜在价值越大留存的计算业内有多种方式,但大多数采用了下方的计算公式
u 次日留存率=(当天新增的用户中,第2天还登录的用户数)/第一天新增用户总数;
u 七日留存率=(第一天新增的用户中,在往后的第7天还有登录的用户数)/第一天新增总用户数;
u 月留存率=(第一天新增的用户中,在往后30天还有登录的用户数)/第一天新增总用户数
流失:流失率。
一段时间内流失的用户,占这段时间活跃用户数的比例。只有当产品新用户增长的速度大于老用户流失的速度时,产品的活跃用户数才会是正增长。
2、用户行为数据指标
另一个维度,立足于用户行为,可以根据提升黏性、提升参与度、提升转化这三个目标定义具体的数据指标。
黏性指标:留存率、周活天留存率反应产品是否满足用户需要。周活天反应用户忠诚度。
参与度指标:活跃度、停留时长、访问页面数量
转化指标:用户从上一环节到下一环节的转化率
这两种指标体系都具有参考价值,可以根据自身实际情况适当组合。
相关文章
- 微前端02 : 乾坤的微应用加载流程分析(从微应用的注册到loadApp方法内部实现)
- H264解码流程
- vue源码分析-挂载流程和模板编译
- SpringBoot快速搭建、自动流程进阶、装配机制、功能扩展点详解
- 《软件方法》随想(3)业务建模之业务用例和流程
- 麦克风声源定位原理_一种利用麦克风阵列进行声源定位的方法与流程
- 流程改进,你需要六西格玛管理方法!
- 渗透测试流程包括_渗透测试包含哪些内容
- 用Matlab筛选mirbase,一种基于miRBase数据库的无参的miRNA数据分析方法与流程
- 【手把手教程】一文学会使用Sublime搭建轻量级的C语言gcc编译运行环境和Python运行环境(含所有配置流程及脚本)
- 教程|你不知道的监控项预处理流程逻辑
- 序列化流程分析总结
- 跟着NC学宏基因分析流程-冠状病毒与人类微生物组之间相互作用
- 国内chatgpt账号注册申请教程和OpenAI账号官网注册流程,带国外手机号解决方法
- 【Android 逆向】整体加固脱壳 ( DEX 优化流程分析 | DexPrepare.cpp 中 dvmOptimizeDexFile() 方法分析 | /bin/dexopt 源码分析 )
- 2022年ios最新申请流程
- Gorm-事务处理的方法和流程(一)
- 使用Linux脚本if语句流程掌握对语句的控制(linux脚本if语句)
- Linux 学习之路:入门指南及基础流程(linux学习流程)
- 深入了解Oracle Stage,优化数据集成流程(oraclestage)
- 系统 Oracle 零售系统:让商业流程变得更简单(oracle零售)
- 使用Java连接MSSQL数据库的方法及流程(mssqljava)
- 流程SQL Server中的工作流实现方法(sqlserver里面的)
- Mysql分支和循环技巧,实现数据处理与控制流程(Mysql中分支和循环)
- 京东金融发布零售信贷全流程产品北斗七星
- win7下安装JDK基本流程